javagbkunicode

『壹』 關於java數據類型的位

計算機計算的基本單位是bit，一般叫"字"，也叫「位」。
「字」的取值是0和1。.
而字對於一般的軟體計算來說，太小了，所以將8個字放在一起形成byte（位元組）。
這個byte也叫位，因彎氏為在java里一般不計算bit，byte被當做最基本得計算單位。
數據岩明類型使用位數的多少，主要是為方便空間的控制。
一般我們整形計算的時候要使用int型的變數。
有的時候int型不能滿足計算要求，就要使用long型的。
但是一旦聲明了一個long型的變數，在這個變數的生存周期結束前，它就永遠佔用64byte的空間粗鬧告。這在早起對計算機的負擔是很大的。所以設計了不同的變數類型，方便程序員控製程序運行空間的大小

『貳』 Java：在Java中String是以Unicode保存的嗎

字元串在java內存中總是按unicode編碼存儲的。比如"中文"，正常情況下（即沒有錯誤的時候）存儲為"4e2d 6587"，如果charset為"gbk"，則被編碼為"d6d0 cec4"，然後返回位元組"d6 d0 ce c4".如果charset為"utf8"則最後是"e4 b8 ad e6 96 87".如果是"iso8859-1"，則由於無法編碼，最後返回 "3f 3f"（兩個問號）。

java虛擬機採用UCS2（通用字元集)標準保存字元，所有的字元在內存中都是2個位元組，這樣虛擬機處理字元串的截取、長度和判斷都非常容易。其他語言如PHP、Python也是，在運行時採用固定長度存儲字元。
相對應編譯後的class，java規定採用UTF-8保存，因為大部分是英文字元，只有一個位元組，可以大量節省存儲空間。

『叄』 java使用unicode為默認編碼是什麼意思

java初學者都會接觸到一個概念，既java的默認編碼是uincode，但書上也就出現這句話而已，究竟是什麼意思就沒再說。其實對於一個程序員來說，一個平台的編碼方式是不用了解的，因為這是他內部處理字元的方式，和我們頂層設計程序是沒有多大關系（如果真要說有關系的話，一個就是你對這個平台的熟悉程度，另一個就只能是你要處理的字元奇葩到要考慮編譯器有沒有包括這個字元）。但這並不是指我們在編程的時候完全不用考慮編碼問題，恰恰相反，編碼問題是跨系統交流的基本。
那java哪裡會用到編碼問題呢？最常見的是流，下面有兩個例子。1.在linux下用java創建了一個文件（這里默認代碼里沒有指定編碼），裡麵包括英文和中文，然後在windows下同樣用java讀取這個文件，並輸出，結果中文出現了亂碼；2.android手機和電腦的兩個java程序進行類似qq的信息交流，中文都是亂碼。疑惑來了，java不是跨平台嗎，而且默認編碼就是unicode，為什麼會有編碼？ 正如上面所說，java的系統編碼是管理內部變數等信息的，是統一不能變的，但上面兩個例子出現亂碼的原因在於這些字元信息是從外界讀取的，編碼方式直接影響到字元的顯示，比如gbk一個字元是1或2個位元組，中文是2個，而utf8是1到4個位元組不定，中文是3個，utf16是2個位元組固定不變，所以很明顯了，同樣位元組數的源信息可以每2個或者每3個位元組表達一個中文，不同編碼當然不同了，而且即使gbk和utf16都是兩個位元組表示一個中文，同樣的二進制也對應不同的字元。所以從外部讀取到這些byte信息後，就要指定編碼，比如new
String(byte[],charset),當然，也可以在構建流的時候就指定，像new
InputStreamReader(InputStream,charset)等，但像BufferedReader等沒有相應的構造函數，就只能把上面的InputStreamReader作為參數了。
總結：
1.String和流（包括控制台的輸出輸入）的默認編碼是根據系統而定，即jvm假設這些信息是當前系統創建的，windows默認中文是gbk，linux和mac是utf8（這里又來了，utf8和unicode是什麼意思，簡單地說，unicode是把每個字元和一個唯一的二進制碼對應的標准，而utf是unicode
transformation
format,即如何表示每個唯一的二進制碼，utf8，utf16和utf32是不同的編碼方式）；
2.IDE設置的編碼方式用於存取java源文件，對於在不同系統平台上共享代碼很重要；
3.java編譯器採用utf8，即class文件的存儲是用utf8，因為相對於utf16，utf8在處理英文佔用內存小，而程序大部分都是英文；
4.jvm運行時的編碼方式是utf16，即jvm用utf8從class文件讀取程序後再轉化為utf16編碼的字元串，因為utf16是2個位元組，統一的長度更方便jvm申請數組等操作；
5.網頁大部分是用utf8編碼的，在html頭幾行有charset的信息，在對下載下來的網頁進行解析時，要注意編碼，谷歌網路在對搜索結果的解析時也是用utf8的，所以在涉及到網路時編碼問題非常重要，本人曾經栽得很慘，當然了，誰叫windows的編碼不是utf8；
6.不知大家有沒有經歷過，如果編碼弄錯了，一般只有中文會出現亂碼，而中文後面的英文是正確的，不合理啊，這不是類似多骨諾米牌嗎，一個錯了，後面不是全倒嗎。所以別小看那些制定編碼的專家，像utf8每個位元組的前幾位都用來表示一些信息，不同位元組還不一樣，而utf16也有，所以弄出了utf16le和utf16be

『肆』 java中一個字元是幾個位元組字元和位元組是同等的嗎

Java規定了字元的內碼要用UTF-16編碼，一個字元是2個位元組。外碼字元所佔位元組取決於具體編碼。字元和位元組是不一樣的。

外碼編碼不同，字元和位元組的換算不同，幾種常見的編碼換算如下：

ASCII編碼是單位元組編碼，只有英文字元，不能編碼漢字。

GBK編碼1個英文字元是1個位元組，一個漢字是是2個位元組。

UTF-8編碼1個英文字元是1個位元組，一個漢字是3個位元組。

Unicode編碼1個英文字元是2個位元組，一個漢字是2個位元組。

(4)javagbkunicode擴展閱讀：

漢字編碼的困難點 漢字進入計算機，有許多困難，其原因主要有三點：

①數量龐大：一般認為，漢字總數已超過6萬個（包括簡化字）。雖有研究者主張規定3000多或4000字作為當代通用漢字，但仍比處理由二三十個字母組成的拼音文字要困難得多。

②字形復雜：有古體今體，繁體簡體，正體異體；而且筆畫相差懸殊，少的一筆，多的達36筆，簡化後平均為9.8筆。

③存在大量一音多字和一字多音的現象：漢語音節416個，分聲調後為1295個（根據《現代漢語詞典》統計，輕聲39個未計）。以1萬個漢字計算，每個不帶調的音節平均超過24個漢字，每個帶調音節平均超過7.7個漢字。有的同音同調字多達66個。一字多音現象也很普遍。

『伍』 java一個漢字佔3個byte么

String name = 『漢字';
System.out.println(name.getBytes('gbk').length); 結果是4
System.out.println(name.getBytes().length); 結果是6
實際上在gbk編碼中每個漢字是2個位元組。
UTF-8編碼是變長的，1—6個位元組。其中漢字編碼，是3個或4個位元組

你的問題可能是因為系統編碼不一樣。引起的

ps:雙引號在答題時不能正常顯示，所以用的是單引號

『陸』 Java中字元集有哪些呢

字元集(character set)是一個系統支持的所有抽象字元的集合。字元(character)就是各種文字和符號，包括國家文字、標點符號、圖形符號、數字等。

如果僅僅是抽象的字元集，其實是顧名思義的，但是我們常說的字元集，其實是指編碼字元集(coded character set)，比如: Unicode、ASCII、GB2312、GBK等等。什麼是編碼字元集呢？編碼字元集是指，這個字元集里的每一個字元，都對應到唯一的一個代碼值，這些代碼值叫做代碼點(code point)，可以看做是這個字元在編碼字元集里的序號，字元在給定的編碼方式下的二進制比特序列稱為代碼單元(code unit)。在Unicode字元集中，字母A對應的數值是十六進制下的0041，書寫時前面加U+，所以Unicode里A的代碼點是U+0041。

常見的編碼字元集有：

• Unicode：也叫統一字元集，它包含了幾乎世界上所有的已經發現且需要使用的字元（如中文、日文、英文、德文等）。

• ASCII：早期的計算機系統只能處理英文，所以ASCII也就成為了計算機的預設字元集，包含了英文所需要的所有字元。

• GB2312：中文字元集，包含ASCII字元集。ASCII部分用單位元組表示，剩餘部分用雙位元組表示。

• GBK：GB2312的擴展，完整包含了GB2312的所有內容。

• GB18030：GBK字元集的超集，常叫大漢字字元集，也叫CJK（Chinese，Japanese，Korea）字元集，包含了中、日、韓三國語言中的所有字元。

學習相關java類知識，推薦來北京尚學堂，優秀的師資和科學的授課方式，會帶給你完美的學習體驗。

『柒』 JAVA幾種常見的編碼格式

• ASCII 碼

• 學過計算機的人都知道 ASCII 碼，總共有 128 個，用一個位元組的低 7 位表示，0~31 是控制字元如換行回車刪除等；32~126 是列印字元，可以通過鍵盤輸入並且能夠顯示出來。

• ISO-8859-1（擴展ASCII編碼）

• 128 個字元顯然是不夠用的，於是 ISO 組織在 ASCII 碼基礎上又制定了一些列標准用來擴展 ASCII 編碼，它們是 ISO-8859-1~ISO-8859-15，其中 ISO-8859-1 涵蓋了大多數西歐語言字元，所有應用的最廣泛。ISO-8859-1 仍然是單位元組編碼，它總共能表示 256 個字元。

• GB2312

• 它的全稱是《信息交換用漢字編碼字元集 基本集》，它是雙位元組編碼，總的編碼范圍是 A1-F7，其中從 A1-A9 是符號區，總共包含 682 個符號，從 B0-F7 是漢字區，包含 6763 個漢字。

• GBK（擴展GB2312）

• 全稱叫《漢字內碼擴展規范》，是國家技術監督局為 windows95 所制定的新的漢字內碼規范，它的出現是為了擴展 GB2312，加入更多的漢字，它的編碼范圍是 8140~FEFE（去掉 XX7F）總共有 23940 個碼位，它能表示 21003 個漢字，它的編碼是和 GB2312 兼容的，也就是說用 GB2312 編碼的漢字可以用 GBK 來解碼，並且不會有亂碼。

• GB18030（兼容GB2312）

• 全稱是《信息交換用漢字編碼字元集》，是我國的強制標准，它可能是單位元組、雙位元組或者四位元組編碼，它的編碼與 GB2312 編碼兼容，這個雖然是國家標准，但是實際應用系統中使用的並不廣泛。

• Unicode編碼集

• UTF-16 統一採用兩個位元組表示一個字元，雖然在表示上非常簡單方便，但是也有其缺點，有很大一部分字元用一個位元組就可以表示的現在要兩個位元組表示，存儲空間放大了一倍，在現在的網路帶寬還非常有限的今天，這樣會增大網路傳輸的流量，而且也沒必要。而 UTF-8 採用了一種變長技術，每個編碼區域有不同的字碼長度。不同類型的字元可以是由 1~6 個位元組組成。

• UTF-8 有以下編碼規則：

• UTF-16 具體定義了 Unicode 字元在計算機中存取方法。UTF-16 用兩個位元組來表示 Unicode 轉化格式，這個是定長的表示方法，不論什麼字元都可以用兩個位元組表示，兩個位元組是 16 個 bit，所以叫 UTF-16。UTF-16 表示字元非常方便，每兩個位元組表示一個字元，這個在字元串操作時就大大簡化了操作，這也是 Java 以 UTF-16 作為內存的字元存儲格式的一個很重要的原因。

• ISO 試圖想創建一個全新的超語言字典，世界上所有的語言都可以通過這本字典來相互翻譯。可想而知這個字典是多麼的復雜，關於 Unicode 的詳細規范可以參考相應文檔。Unicode 是 Java 和 XML 的基礎，下面詳細介紹 Unicode 在計算機中的存儲形式。

• UTF-16

• UTF-8

• 如果一個位元組，最高位（第 8 位）為 0，表示這是一個 ASCII 字元（00 - 7F）。可見，所有 ASCII 編碼已經是 UTF-8 了。

• 如果一個位元組，以 11 開頭，連續的 1 的個數暗示這個字元的位元組數，例如：110xxxxx 代表它是雙位元組 UTF-8 字元的首位元組。

• 如果一個位元組，以 10 開始，表示它不是首位元組，需要向前查找才能得到當前字元的首位元組

詳情傳送門至：網頁鏈接